Tóm tắt video sử dụng kỹ thuật trừ nền

TNU Journal of Science and Technology

227(08): 174 - 181

VIDEO SUMMARIZATION USING BACKGROUND SUBTRACTION
TECHNIQUES
Ngo Huu Huy1*, Le Hung Linh1, Nguyen Duy Minh1, Ngo Thi Thu Hang2
– University of Information and Communication Technology
Dong Secondary School - Ha Long City, Quang Ninh

1TNU
2Kim

ARTICLE INFO

ABSTRACT

Received: 24/02/2022

Multimedia information systems have been massively and diversely
used in research and practical applications. Among them, video data is
one of the most common data types. However, the management and
use of videos have faced difficulties, such as organizing storage or
finding events in a video. Therefore, this study presents an efficient
and simple method based on the background subtraction technique for
video summarization. First, the input video is used to extract
consecutive frames. These frames are then preprocessed, such as
converting to grayscale images and image smoothing. The
background subtraction technique is used to detect movement in the
current frame relative to the previous frame. If this frame has motion
detection, it will be saved for the output video. We also propose a

video summarization algorithm. Experimental results demonstrate the
effectiveness of this method, especially for video surveillance.

Revised: 25/4/2022
Published: 11/5/2022

KEYWORDS
Background subtraction
Motion detection
Motion tracking
Video summarization
Video surveillance

TÓM TẮT VIDEO SỬ DỤNG KỸ THUẬT TRỪ NỀN
Ngô Hữu Huy1*, Lê Hùng Linh1, Nguyễn Duy Minh1, Ngô Thị Thu Hằng2
1Trường
2Trường

Đại học Công nghệ Thông tin và Truyền thông - ĐH Thái Nguyên
THCS Kim Đồng - Thành phố Hạ Long, Quảng Ninh

THÔNG TIN BÀI BÁO
Ngày nhận bài: 24/02/2022
Ngày hồn thiện: 25/4/2022
Ngày đăng: 11/5/2022

TỪ KHĨA
Kỹ thuật trừ nền
Phát hiện chuyển động
Theo dõi chuyển động

Tóm tắt video
Video giám sát

TĨM TẮT
Hệ thống thông tin đa phương tiện đã được sử dụng rộng rãi và đa
dạng trong các nghiên cứu và ứng dụng thực tế. Trong đó, dữ liệu
video là một trong những kiểu dữ liệu phổ biến nhất. Tuy nhiên, việc
quản lý và sử dụng dữ liệu video gặp nhiều vấn đề như việc tổ chức
lưu trữ, hay tìm kiếm sự kiện trong một video. Do đó, nghiên cứu này
sẽ trình bày một phương pháp tóm tắt video hiệu quả và đơn giản, sử
dụng kỹ thuật trừ nền. Đầu tiên, video đầu vào được sử dụng để trích
xuất các khung ảnh liên tiếp. Sau đó, các khung ảnh này sẽ được tiền
xử lý, như chuyển sang ảnh đa mức xám và làm mịn ảnh. Kỹ thuật
trừ nền được sử dụng để phát hiện chuyển động trong khung ảnh hiện
tại so với khung ảnh ngay trước đó. Nếu khung ảnh có phát hiện
chuyển động thì nó sẽ được lưu lại cho video đầu ra. Chúng tơi cũng
đề xuất một thuật tốn tóm tắt video. Các kết quả thực nghiệm cho
thấy tính hiệu quả của phương pháp này, đặc biệt đối với các video
giám sát.

DOI: />*

Corresponding author. Email:



174

Email:

TNU Journal of Science and Technology

227(08): 174 - 181

1. Giới thiệu
Với sự phát triển rất mạnh mẽ của công nghệ số ngày nay, cùng với đó là sự bùng nổ của các
mạng xã hội trong những năm gần đây. Việc tìm kiếm và chia sẻ thơng tin của người dùng ngày
càng trở nên phổ biến, đặc biệt là các nhu cầu tìm kiếm, truy cập và chia sẻ các dữ liệu đa
phương tiện như: âm thanh, hình ảnh, video. Do đó, tóm tắt dữ liệu đa phương tiện mà đặc biệt là
tóm tắt video là một chủ đề nghiên cứu rất được quan tâm.
Với sự tiến bộ trong công nghệ video kỹ thuật số, giám sát video đang có một vai trò quan
trọng trong việc đảm bảo trật tự và an toàn xã hội. Các hệ thống giám sát được triển khai trong
một loạt các ứng dụng và rộng rãi ở khắp nơi như: ở nhà riêng, trường học, cơ quan công sở, nhà
máy sản xuất, nơi công cộng. Từ camera giám sát đơn hoặc nhiều camera, một lượng lớn dữ liệu
video được tạo ra, lưu trữ và xử lý cho mục đích bảo mật. Tuy nhiên, do video giám sát thường
có các đoạn trùng lặp nên việc xem tồn bộ video là một quá trình rất tẻ nhạt và tốn nhiều thời
gian đối với các nhà phân tích video. Để khắc phục hạn chế này thì video tóm tắt đã được sử
dụng [1].
Bên cạnh đó, với việc phần cứng lưu trữ được nâng cấp và tốc độ internet ngày càng nhanh,
việc quay video ngày càng rẻ và tiện lợi hơn. Tuy nhiên, có một lượng lớn thơng tin khơng hiệu
quả trong nội dung video cũng được lưu trữ. Do đó, việc tóm tắt video là một vấn đề cấp bách
cần được giải quyết, khơng những có thể tiết kiệm tài nguyên lưu trữ mà còn tiết kiệm thời gian
cho những người duyệt video [2].
Trong những năm gần đây, tóm tắt video đã trở thành một lĩnh vực nghiên cứu đầy hứa hẹn và
thu hút rất nhiều nghiên cứu. Tóm tắt video là tóm tắt thơng tin ngắn gọn về video đã quay và nó
cung cấp cho người dùng bản tóm tắt trực quan tổng hợp và hữu ích về chuỗi video. Các kỹ thuật
tóm tắt video dựa trên các tính năng [3]-[5], phân cụm [6], sự kiện [7], lựa chọn cảnh quay [8],
mạng nơron [9]-[13]. Tuy nhiên, những phương pháp này thường u cầu tính tốn phức tạp và
đặc biệt có những phương pháp yêu cầu về phần cứng phải có hiệu năng cao.

Do đó, nghiên cứu này trình bày một phương pháp tóm tắt video hiệu quả và đơn giản, sử
dụng kỹ thuật trừ nền. Điều này hỗ trợ việc tổ chức lưu trữ, hay tìm kiếm sự kiện trong một video
được thực hiện dễ dàng hơn, tiết kiệm thời gian và chi phí. Nội dung cịn lại của bài nghiên cứu
này sẽ được bố cục như sau: Mục 2 mơ tả chi tiết phương pháp tóm tắt video. Mục 3 trình bày
các kết quả thực nghiệm. Cuối cùng, Mục 4 là phần kết luận và định hướng phát triển nghiên cứu.
2. Phương pháp tóm tắt video
2.1. Cấu trúc hệ thống
Tổng quan của phương pháp này được thể hiện như trong Hình 1. Dữ liệu đầu vào là các
video giám sát và các video này thường có nền ít thay đổi. Đầu tiên, chúng tôi thực hiện trích
xuất các khung ảnh liên tiếp từ video đầu vào để thực hiện xử lý trên các khung ảnh riêng biệt đó.
Các khung ảnh này sau đó được tiền xử lý như chuyển sang ảnh đa mức xám và làm mịn ảnh. Để
xác định khung ảnh nào sẽ được lưu lại cho video đầu ra, chúng tôi cần xác định được khung ảnh
chính. Trong nghiên cứu này, khung ảnh chính là khung ảnh có phát hiện chuyển động so với
khung ảnh ngay trước đó. Kỹ thuật trừ nền được sử dụng để phát hiện chuyển động. Cuối cùng,
video đầu ra bao gồm những khung chính đã được lưu lại.
2.2. Kỹ thuật trừ nền
Trong kỹ thuật trừ nền, màu sắc không ảnh hưởng đến việc phát hiện chuyển động, do đó các
khung ảnh màu sẽ được chuyển sang ảnh đa mức xám. Mặt khác, những khung ảnh này có thể
chứa các loại nhiễu khác nhau và hai khung ảnh liên tiếp rất khó để giống nhau 100%. Vì vậy,
chúng tơi đã làm mịn ảnh giúp giảm nhiễu và phương pháp lọc Gauss được áp dụng trong nghiên
cứu này. Trong phương pháp lọc Gauss này, ảnh đầu vào sẽ được nhân chập với một ma trận lọc
Gauss và cộng các kết quả lại với nhau để tạo thành giá trị điểm ảnh đầu ra. Giá trị mỗi điểm ảnh


175

Email:


TNU Journal of Science and Technology

227(08): 174 - 181

sẽ phụ thuộc nhiều vào các điểm ảnh ở gần hơn là các điểm ảnh ở xa. Hàm Gauss được sử dụng
để xác định trọng số của sự phụ thuộc này. Ma trận lọc Gauss [14] hai chiều có thể được xác định
như Cơng thức (1). Trong đó, (x, y) là kích thước của ma trận lọc Gauss và  là độ lệch chuẩn.

G ( x, y ) =

−

1
2

2

e

x2 + y 2
2 2

(1)

Hình 1. Tổng quan về phương pháp

Sau khi thực hiện tiền xử lý, các khung ảnh này được sử dụng để tính tốn sự khác biệt giữa
khung ảnh hiện tại và khung ảnh ngay trước đó trong luồng video đầu vào. Tính tốn sự khác biệt
giữa hai khung ảnh là một phép trừ đơn giản như Công thức (2). Trong đó, khung ảnh kết quả
(delta_frame) lấy giá trị tuyệt đối của sự chênh lệch cường độ điểm ảnh tương ứng của 2 khung
ảnh. Hình 2 thể hiện ví dụ minh họa khung ảnh kết quả (delta_frame) cho thấy sự khác biệt giữa

khung ảnh hiện tại và khung ảnh ngay trước đó. Trong ảnh kết quả cho thấy nền của khung ảnh
có màu đen và các vùng có màu trắng là phát hiện có chuyển động. Vì vậy, căn cứ vào hình ảnh
kết quả, chúng tơi có thể dễ dàng phát hiện có chuyển động trong khung ảnh hiện tại và khung
ảnh này sẽ được lưu lại cho video đầu ra.
(2)
delta _ frame = current_frame - previous_frame
2.3. Thuật tốn tóm tắt video
Chúng tơi đã đề xuất Thuật tốn 1 để trình bày phương pháp tóm tắt video dựa trên kỹ thuật
trừ nền. Các bước thực hiện chi tiết như sau:
•
Dịng (1, 2) thể hiện đầu vào và đầu ra của thuật toán. Đầu vào của thuật toán là video v1
và giá trị kích thước vùng tối thiểu min_area. Giá trị này để đánh giá vùng chuyển động trong
ảnh đủ lớn. Đầu ra của thuật tốn là video đã được tóm tắt v2.
•
Dịng (3-5) thực hiện khởi tạo các biến và chương trình thực hiện duyệt từng khung ảnh
trong video đầu vào v1 để xử lý.
•
Dịng (6-8) đọc giá trị từng khung ảnh đầu vào. Sau đó khung ảnh màu này được chuyển
sang ảnh đa mức xám. Chương trình sẽ thực hiện làm mịn ảnh đa mức xám này.


176

Email:


TNU Journal of Science and Technology

227(08): 174 - 181

Hình 2. Minh họa khung ảnh kết quả

•
Dịng (9-11) thực hiện gán khung ảnh hiện tại là khung ảnh sau khi được tiền xử lý. Tiếp
theo, chương trình sẽ thực hiện phép trừ nền và thu được khung ảnh kết quả. Sau đó, khung ảnh
kết quả sẽ được dùng để phát hiện chuyển động dựa vào việc phát hiện các vùng trắng sáng trên
ảnh đó.
•
Dịng (12-16) duyệt tất cả các vùng trắng sáng (vùng chuyển động) trong khung ảnh kết
quả. Nếu tồn tại một vùng sáng đủ lớn (kích thước vùng lớn hơn giá trị kích thước tối thiểu) thì
thực hiện lưu lại khung ảnh hiện tại vào video đầu ra v2 và khung ảnh trước sẽ được gán là khung
ảnh hiện tại. Cuối cùng, chương trình trả về kết quả là video đã được tóm tắt v2.
Thuật tốn 1. Tóm tắt video dựa trên kỹ thuật trừ nền
1. Đầu vào: Video đầu vào (v1), Kích thước vùng tối thiểu (min_area)
2. Đầu ra: Video được tóm tắt (v2)
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.

Thiết lập giá trị min_area
Thiết lập giá trị khung ảnh trước previous_frame
Duyệt từng khung ảnh trong video đầu vào (v1):
Đọc giá trị khung ảnh (frame)
Chuyển khung ảnh màu sang ảnh đa mức xám (gray_frame)
Làm mịn ảnh đa mức xám bằng bộ lọc Gauss (gray_frame)
Gán giá trị khung ảnh hiện tại current_frame = gray_frame
Thực hiện phép trừ nền delta_frame = |current_frame - previous_frame|
Phát hiện vùng chuyển động (find_contours) trên khung ảnh kết quả (delta_frame)
Duyệt các vùng chuyển động (find_contours):
Nếu vùng chuyển động > min_area:
Lưu khung ảnh hiện tại (current_frame) vào video đầu ra (v2)
Gán giá trị khung ảnh trước previous_frame = current_frame
Trả kết quả video tóm tắt (v2)



177

Email:


TNU Journal of Science and Technology

227(08): 174 - 181

Hình 3. Ảnh chụp trong các cơ sở dữ liệu thực nghiệm

3. Kết quả thực nghiệm
3.1. Cơ sở dữ liệu thử nghiệm

Cơ sở dữ liệu CamNeT [15] là một cơ sở dữ liệu được thu thập từ mạng lưới các máy quay,
với mục đích theo dõi. Số lượng máy quay là từ 5 cho đến 8 máy được đặt ở trong tòa nhà và
ngoài trời tại Trường Đại học California, Riverside, Mỹ. Cơ sở dữ liệu này gồm có 6 kịch bản và
mỗi kịch bản được thiết kế trong các tình huống khác nhau như ánh sáng thay đổi, địa hình phức
tạp, cảnh nhóm người đơng đúc. Trong nghiên cứu này, chúng tôi sử dụng 5 video trong cơ sở dữ
liệu CamNeT để tiến hành thực nghiệm. Hình 3 là một ví dụ cảnh chụp trong các video. Thông
tin chi tiết của 5 video này được thể hiện trong Bảng 1.
Cơ sở dữ liệu VIRAT [16] được thu thập trong các cảnh tự nhiên, hoạt động hàng ngày của
mọi người trong nhiều bối cảnh khác nhau, các cảnh nền cũng có nhiều thay đổi. Dữ liệu được
thu thập ở nhiều nơi, thu thập các loại hoạt động khác nhau của con người, tương tác giữa người
và phương tiện. Để tiến hành thực nghiệm, chúng tôi sử dụng 5 video trong cơ sở dữ liệu VIRAT.
Một ví dụ cảnh chụp trong các video được thể hiện như trong Hình 3. Thơng tin chi tiết của 5
video này được thể hiện trong Bảng 1.
Bảng 1. Thông tin chi tiết các cơ sở dữ liệu thực nghiệm
Stt
1
2
3
4
5
6
7
8
9
10

Các video
CamNeT 01
CamNeT 02
CamNeT 03

CamNeT 04
CamNeT 05
VIRAT 01
VIRAT 02
VIRAT 03
VIRAT 04
VIRAT 05

Độ dài video (Phút)
20:49
17:38
18:39
17:07
20:43
11:29
03:05
04:02
02:00
16:26

Mô tả
Video giám sát ở hành lang
Video giám sát ở hành lang
Video giám sát ở cầu thang
Video giám sát ở ngoài trời
Video giám sát ở hành lang
Video giám sát ở ngoài trời
Video giám sát ở bãi đậu xe
Video giám sát ở bãi đậu xe
Video giám sát ở bãi đậu xe

Video giám sát ở ngoài trời

3.2. Đánh giá kết quả tóm tắt video
Trong phần này, chúng tơi thực hiện đánh giá kết quả tóm tắt video. Chúng tôi thực hiện trên
10 video thực nghiệm đã được mơ tả ở trên, với tham số kích thước vùng tối thiểu min_area =
500 pixcel. Hình 4 cho thấy kết quả tóm tắt các video. Chúng tơi thấy rằng việc tóm tắt video là
rất hiệu quả. Độ dài thời gian của các video tóm tắt đã giảm đi đáng kể. Để xác định tính hiệu
quả, chúng tơi xem xét tỉ lệ tóm tắt được định nghĩa như Cơng thức (3). Trong đó,  là tỉ lệ tóm
tắt, timein là độ dài thời gian của video đầu vào và timeout là độ dài thời gian của video tóm tắt.


178

Email:


TNU Journal of Science and Technology

=

227(08): 174 - 181

timeout
100%
timein

(3)

Tỉ lệ tóm tắt càng thấp cho thấy hiệu quả tóm tắt càng tốt. Chúng ta có thể thấy video
CamNeT 01 có hiệu quả tóm tắt tốt nhất. Với độ dài thời gian video đầu vào và video tóm tắt

tương ứng là 20 phút 49 giây và 02 phút 32 giây, tỉ lệ tóm tắt của video này là 12,17%. Ngược
lại, video VIRAT 04 có hiệu quả kém nhất, với tỉ lệ tóm tắt là 41,65%. Tỉ lệ tóm tắt trung bình
của 10 video là 22,68%. Kết quả này cho thấy tính hiệu quả rõ ràng của phương pháp với những
video giám sát này.

Hình 4. Kết quả tóm tắt video (Kích thước vùng tối thiểu min_area = 500 pixcel)

3.3. Phân tích kết quả dựa trên kích thước vùng tối thiểu (min_area)

Hình 5. Kết quả tóm tắt video CamNeT 01 với các kích thước vùng tối thiểu khác nhau

Kích thước vùng tối thiểu có ảnh hưởng trực tiếp đến kết quả tóm tắt video và giá trị kích
thước vùng tối thiểu này được xem xét trong các tình huống, bối cảnh khác nhau: như những nơi
có nhiều chuyển động nhỏ có thể bỏ qua, hay những nơi yêu cầu kiểm tra nghiêm ngặt các
chuyển động. Trong phần này, chúng tôi thực hiện phân tích kết quả tóm tắt video dựa trên kích
thước vùng tối thiểu. Chúng tôi thực hiện trên video CamNeT 01, với tham số kích thước vùng


179

Email:


TNU Journal of Science and Technology

227(08): 174 - 181

tối thiểu (min_area) từ 100 pixcel đến 500 pixcel. Hình 5 cho thấy các kết quả tóm tắt video.
Kích thước vùng tối thiểu càng tăng thì video được tóm tắt càng nhiều. Độ dài thời gian video
đầu vào là 20 phút 49 giây, kết quả video tóm tắt ứng với kích thước vùng tối thiểu 100 pixcel và

500 pixcel là 3 phút 58 giây và 2 phút 32 giây. Do đó, việc xác định giá trị kích thước vùng tối
thiểu phù hợp với yêu cầu của từng trường hợp là rất quan trọng và nó ảnh hướng đến hiệu quả
của việc tóm tắt video.
4. Kết luận
Nghiên cứu này đã trình bày một phương pháp tóm tắt video hiệu quả và đơn giản, sử dụng kỹ
thuật trừ nền. Do đó, nó hỗ trợ việc tổ chức lưu trữ hay tìm kiếm sự kiện trong một video được
thực hiện dễ dàng hơn, tiết kiệm thời gian và chi phí. Trong nghiên cứu này, chúng tơi cũng đã
phân tích sự ảnh hưởng của kích thước vùng tối thiểu đến việc tóm tắt. Bên cạnh đó, các kết quả
thực nghiệm cho thấy tính hiệu quả của phương pháp này, đặc biệt đối với các video giám sát,
với tỉ lệ tóm tắt trung bình đạt được là 22,68%. Trong thời gian tới, chúng tôi dự kiến kết hợp với
một số phương pháp thơng minh sử dụng trí tuệ nhân tạo, để thực hiện tóm tắt video theo sự kiện,
ví dụ như chỉ thực hiện lưu lại video khi phát hiện có người hay phương tiện di chuyển.
Lời cảm ơn
Nghiên cứu này là sản phẩm của đề tài cấp cơ sở có mã số T2022-07-01, được tài trợ bởi kinh
phí của Trường Đại học Cơng nghệ Thơng tin và Truyền thông – Đại học Thái Nguyên.
TÀI LIỆU THAM KHẢO/ REFERENCES
[1] A. S. Murugan, K. S. Devi, A. Sivaranjani, and P. Srinivasan, “A Study on Various Methods Used for
Video Summarization and Moving Object Detection for Video Surveillance Applications,” Multimedia
Tools and Applications, vol. 77, no. 18, pp. 23273-23290, 2018.
[2] H. Wei, B. Ni, Y. Yan, H. Yu, X. Yang, and C. Yao, “Video Summarization via Semantic Attended
Networks,” Proceedings of the AAAI Conference on Artificial Intelligence, vol. 32, no. 01, pp. 216223, 2018.
[3] B. A. Plummer, M. Brown, and S. Lazebnik, “Enhancing Video Summarization via Vision-Language
Embedding,” in Proc. IEEE Conference on Computer Vision and Pattern Recognition (CVPR),
Honolulu, HI, USA, 2017, pp. 5781-5789.
[4] Y. Yuan, T. Mei, P. Cui, and W. Zhu, “Video Summarization by Learning Deep Side Semantic
Embedding,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 29, no. 1, pp.
226-237, 2019.
[5] S. Zhang, Y. Zhu, and A. K. Roy-Chowdhury, “Context-Aware Surveillance Video Summarization,”
IEEE Transactions on Image Processing, vol. 25, no. 11, pp. 5469-5478, 2016.
[6] S. K. Kuanar, K. B. Ranga, and A. S. Chowdhury, “Multi-View Video Summarization Using Bipartite

Matching Constrained Optimum-Path Forest Clustering,” IEEE Transactions on Multimedia, vol. 17,
no. 8, pp. 1166-1173, 2015.
[7] O. Elharrouss, N. Al-Maadeed, and S. Al-Maadeed, “Video Summarization Based on Motion Detection
for Surveillance Systems,” in Proc. 15th International Wireless Communications & Mobile Computing
Conference (IWCMC), Tangier, Morocco, 2019, pp. 366-371.
[8] A. Kanehira, L. Van Gool, Y. Ushiku, and T. Harada, “Viewpoint-Aware Video Summarization,” in
Proc. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Salt Lake City, UT,
USA, 2018, pp. 7435-7444.
[9] T. -J. Fu, S. -H. Tai, and H. -T. Chen, “Attentive and Adversarial Learning for Video Summarization,”
in Proc. IEEE Winter Conference on Applications of Computer Vision (WACV), Waikoloa, HI, USA,
2019, pp. 1579-1587.
[10] X. He, Y. Hua, T. Song, Z. Zhang, Z. Xue, R. Ma, N. Robertson, and H. Guan, “Unsupervised Video
Summarization with Attentive Conditional Generative Adversarial Networks,” in Proc. 27th ACM
International Conference on Multimedia, New York, NY, USA, 2019, pp. 2296-2304.



180

Email:


TNU Journal of Science and Technology

227(08): 174 - 181

[11] Z. Ji, K. Xiong, Y. Pang, and X. Li, “Video Summarization with Attention-Based Encoder–Decoder
Networks,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 30, no. 6, pp.
1709-1717, 2020.
[12] M. Rochan and Y. Wang, “Video Summarization by Learning from Unpaired Data,” in Proc. IEEE

Conference on Computer Vision and Pattern Recognition (CVPR), Long Beach, CA, USA, 2019, pp.
7902-7911.
[13] M. Rochan, L. Ye, and Y. Wang, “Video Summarization Using Fully Convolutional Sequence
Networks,” in Proc. European Conference on Computer Vision (ECCV), Munich, Germany, 2018, pp.
347-363.
[14] A. Khumaidi, E. M. Yuniarno, and M. H. Purnomo, “Welding Defect Classification Based on
Convolution Neural Network (CNN) and Gaussian Kernel,” in Proc. International Seminar on
Intelligent Technology and Its Applications (ISITIA), Surabaya, Indonesia, 2017, pp. 261-265.
[15] S. Zhang, E. Staudt, T. Faltemier, and A. K. Roy-Chowdhury, “A Camera Network Tracking
(CamNeT) Dataset and Performance Baseline,” in Proc. IEEE Winter Conference on Applications of
Computer Vision, Waikoloa, HI, USA, 2015, pp. 365-372.
[16] S. Oh, A. Hoogs, A. Perera, N. Cuntoor, C. -C. Chen, J. T. Lee, S. Mukherjee, J. K. Aggarwal, H. Lee,
L. Davis, E. Swears, X. Wang, Q. Ji, K. Reddy, and M. Shah, “A Large-Scale Benchmark Dataset for
Event Recognition in Surveillance Video,” in Proc. IEEE Computer Vision and Pattern Recognition
(CVPR), Colorado Springs, CO, USA, 2011, pp. 3153-3160.



181

Email: